10月下旬的双11预热期,多家平台把AI导购嵌入购物车与结算页,在用户即将付款的环节推荐加购商品。这个位置过去属于优惠券与凑单提示,现在被AI推荐占据。对平台来说,结算页是转化率最高的场景;对商家来说,这意味着曝光逻辑从首页坑位竞争转向了算法排序竞争,投放策略必须跟着改。谁能把这段推荐做成可解释的规则,谁就能在结算页留住预算。
AI导购被塞进了结算页
电商平台与大促商家把AI导购放到结算页的加购位，结算页推荐位的成交贡献约为全站的百分之六。结算页的用户意图最明确,转化率最高。推荐位从优惠券变成商品,客单被拉高，商家需要为算法排序优化商品信息。结算页是转化率最高的场景。 相关口径见 双11购物车AI导购报道。
从搜索到结算平均约四次点击,第四次转化率最高，这是电商平台与大促商家让第四次点击承担加购决策最直接的结果。越接近结算,决策成本越低。AI推荐卡在第四次点击上；把加购推荐与凑单门槛对齐。第四次点击是加购的黄金位置。
第四次点击决定了什么
从搜索到结算的点击路径
电商平台与大促商家把推荐位的争夺从首页移到算法。首页坑位的曝光占比下降约一成五。流量分配权从运营转向算法，商家无法用坑位费锁定曝光，因此用商品信息质量替代坑位竞争。流量分配权正在转向算法。
从电商平台与大促商家的动作看，用商品信息质量影响排序，信息完整的商品,被推荐概率高出约三成。AI推荐依赖结构化字段。字段缺失会让商品在排序中失分，把参数、场景与评价标签补全。信息质量决定排序位置。 相关口径见 双11快递旺季单量观察。
推荐位的争夺从首页移到结算
AI推荐位的成交占比
电商平台与大促商家让凑单逻辑与推荐逻辑一致，凑单门槛附近的推荐,点击率高出约两成。凑单是结算页最强的用户意图。推荐与凑单错位会降低体验，按门槛差额做推荐。凑单意图必须被尊重。
独立归因后,推荐的边际贡献约为两成，这是电商平台与大促商家把AI推荐的效果单独归因最直接的结果。混在整体转化里会高估推荐效果。归因清晰才能优化投放；建立推荐位的独立监测。归因不清就会高估效果。
商家的曝光逻辑被打乱
商家获取曝光的成本变化
电商平台与大促商家用评价与问答喂给推荐模型。带问答数据的商品,推荐转化率高约一成五。模型需要可读的语义信息，问答是最接近真实疑虑的语料，因此把问答纳入商品信息建设。问答是最接近疑虑的语料。 相关口径见 折叠屏供应链与新品节奏。
从电商平台与大促商家的动作看，让商家看到算法偏好的变化，算法调整后,商家的曝光波动可达三成。波动过大说明规则不透明。规则透明能降低商家的试错成本，定期公布排序的主要因子。规则透明降低试错成本。
转化率的算法在重写
电商平台与大促商家把结算页推荐与售后体验绑定，推荐商品的退货率高于自主选择约五个点。推荐提高了冲动购买比例。退货率上升会抵消增量，对推荐商品设置更严的品质门槛。冲动购买会推高退货。
大促期间的推荐点击率约为日常的两倍，这是电商平台与大促商家用大促数据反推日常推荐策略最直接的结果。大促是推荐模型的压力测试。测试结果可用于日常优化；把大促数据沉淀成模型训练集。大促是模型的压力测试。
AI导购挤进结算页,把曝光竞争从坑位费转向算法排序。商家要做的不是抢位置,而是把商品信息、问答与评价建设成模型可读的结构化资产,并接受推荐位的独立归因。
从更长的周期看,结算页推荐会改变商家的商品策略。过去靠爆款单品冲排名的做法,在算法排序下收益递减;而结构完整、场景清晰、评价充分的商品组合,更容易被模型选中。这意味着商品运营要从单品思维转向组合思维,把凑单、加购与复购放在同一张图里设计。
